多源信息系统知识获取的粒计算方法

粒计算是在解决大规模复杂问题过程中模拟人类思考问题自然模式的新的理论、技术和方法，是目前智能信息处理领域一个非常活跃的研究方向。其基本思想是在问题求解过程中使用信息粒，从不同角度、不同层次上对现实问题进行描述、推理与求解。信息融合是对多源信息进行综合处理的过程，它对来自不同信息源的信息多层次、多方面地进行探测、估计和综合处理，以获得更准确、更稳定的决策结果。本项目拟将粒计算与信息融合相结合，系统研究多源信息系统基于粒计算的知识获取方法。主要内容包括：（1）多源信息系统基于粒计算的信息融合；(2) 多个信息系统的合成及相应的知识发现；(3) 同态映射下基于粒计算的数据压缩；（4）粒计算在金融数据分析等方面的应用。本项目的研究成果不但能够丰富粒计算与信息融合理论，为多源系统的数据挖掘及不确定性分析提供新的理论和方法，而且在网络工程、管理科学、信息检索、机器学习等方面有广泛的应用价值。

粒计算是在解决大规模复杂问题过程中模拟人类思考问题自然模式的新的理论、技术和方法，是目前智能信息处理领域一个非常活跃的研究方向。其基本思想是在问题求解过程中使用信息粒，从不同角度、不同层次上对现实世界问题进行描述、推理与求解。信息融合是对多源信息进行处理的过程，它对来自不同信息源的信息多层次、多方面地进行探测、估计和综合处理,以获得更准确、更稳定的决策结果。本项目把粒计算与信息融合相结合，系统研究多源信息系统基于粒计算的知识获取方法。主要成果包括：研究了多种多源信息系统基于证据理论的信息融合与属性约简问题，建立了Dempster-Shafer证据理论中信任函数与似然函数和粗糙集理论中近似算子之间的关系。提出了有效的静态选择性分类集成算法和动态选择性分类集成学习算法。定义了形式背景的强直接积，从概念格结构、属性蕴含、不可约元、属性特征、粗糙近似算子等五个方面讨论了积背景与各个源背景之间的联系。证明了在同态映射下邻域信息系统与其同态象邻域信息系统在属性约简方面的等价性。研究了风险条件下基于收益视角的最优投资决策，推广了支持向量回归模型，并应用于短期风速预报。本项目的研究成果不但能够丰富粒计算与信息融合理论，为多源系统的数据挖掘及不确定性分析提供新的理论和方法，而且在数据挖掘、机器学习等方面有广泛的应用价值。